Template EN Multiple authors - Amfiteatru Economic

Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE

Vol. 23 • Nr. 57• Mai 2021 277

FACTORI CARE INFLUENȚEAZA ADOPTAREA INTERNETULUI OBIECTELOR

ÎN TURISM DE CĂTRE CONSUMATORII ROMÂNI

Vasile Dinu1, Sorin Paul Lazăr2* și Iustin Atanasiu Pop3 1)Academia de Studii Economice din București, România;

Academiei Oamenilor de Știință din România 2)3) Universitatea Babeș-Bolyai din Cluj Napoca, România

Vă rugăm să citați acest articol astfel:

Dinu, V., Lazăr, S.P. and Pop, I.A., 2021. Factors That

Influence the Adoption of the Internet of Things in

Tourism by Romanian Consumers. Amfiteatru

Economic, 23(57), pp.360-375.

DOI: 10.24818/EA/2021/57/360

Istoricul articolului

Primit: 17 decembrie 2020

Revizuit: 13 februarie 2021

Acceptat: 31 martie 2021

Rezumat Studiul examinează relația de cauzalitate dintre gradul de adoptare a Internetului

obiectelor (IoT) în serviciile turistice și încrederea în aceste sisteme, pe de o parte, și

comportamentele individuale ale consumatorilor interni, pe de altă parte. Factorii de

influență sunt grupați în șase categorii: conștientizare, confidențialitate și siguranță, cost,

comoditate, influență socială și obiceiuri. Fiecare categorie este descrisă de mai mulți itemi,

iar corectitudinea agregării lor este testată cu coeficientul Cronbach alpha. Variabila

dependentă este definită pe o scală ordinală, pentru a putea evalua progresiv gradul de

adoptare a IoT. Metodologia de cercetare utilizează modelul logit ordonat, aplicat unei baze

de date de 431 de turiști din România. Principalele rezultate arată influența semnificativă a

variabilelor comportamentale legate de conștientizare, comoditate, obiceiuri și cost. Dintre

factorii socio - demografici s-a pus în evidență rolul vârstei și al educației. Concluziile

studiului fac recomandări de politici necesare pentru dezvoltarea sistemelor IoT în industria

turistică.

Cuvinte-cheie: Internetul obiectelor (IoT), turism, modelul logit ordonat, modelul

Technology Acceptance Model (TAM)

Clasificare JEL: Z32, Z33, C25

* Autor de contact, Sorin Paul Lazăr – e-mail: [email protected]

ORCID autori:

Vasile Dinu: orcid.org/0000-0003-3606-2548

Sorin Paul Lazăr: orcid.org/0000-0003-0775-9231

Iustin Atanasiu Pop: orcid.org/0000-0002-6687-3109

mailto:[email protected]

http://orcid.org/0000-0003-3606-2548

https://orcid.org/0000-0003-0775-9231

https://orcid.org/0000-0002-6687-3109

AE Factori care influențeaza adoptarea internetului obiectelor în turism de către consumatorii români

278 Amfiteatru Economic

Introducere

În sens larg, Internetul obiectelor (IoT) este un sistem de tehnologii inteligente,

conectate între ele, care sunt capabile să comunice și să transfere date într-o rețea, pe baza

unor algoritmi definiți, fără a mai fi necesară intervenția unei entități umane.

Exemple de astfel de sisteme există în diferite domenii. În sectorul medical sunt

persoane dotate cu cipuri inteligente sau un monitor pentru activitatea inimii care comunică

direct cu o clinică de cardiologie. Centrele medicale utilizează și ele sisteme inteligente

interconectate pentru a organiza mai bine gestiunea medicamentelor și a aparaturii

medicale. În industria automobilelor există mașini dotate cu senzori care pot comunica

informații șoferului sau direct unui service auto. Unele societăți de asigurare dotează

mașinile asigurate cu aparate de telemetrie care calculează și comunică traseul parcurs,

viteza de deplasare, încălcări ale reglementărilor rutiere. În funcție de aceste date se pot

stabili în mod mai corect și eficient primele de asigurare, evitând problemele legate de

autoselectivitate și de selecție adversă. Chiar și în agricultură, unele animale domestice

mari sunt dotate cu cipuri care transmit date privind poziția, starea de sănătate sau alte

informații utile spre computere aflate în gestiunea proprietarului, a veterinarului sau a

autorităților publice. În cultura plantelor, sistemele de gestiune bazate pe IoT sunt folosite

la reglarea condițiilor de creștere și dezvoltare a plantelor, utilizând senzori în aer sau sol

care transmit date utile pentru sistemele de irigații automate. Sistemele IoT sunt utilizate și

în siguranța publică, prin sisteme automate de dirijare a traficului sau identificarea rutelor

optime din punct de vedere al timpului, costului sau distanței. În domeniul locativ (Bodea,

Purnuș, 2018), există case inteligente, iar echipamentele variază de la unele simple cum

este termostatul pentru centrala termică pană la aparate mai sofisticate care gestionează

iluminarea și încălzirea de la distanță prin telefoane inteligente.

Utilizarea sistemelor IoT se dezvoltă în mod continuu în diverse sectoare

economice pentru ca firmele să poată funcționa mai eficient, pentru a cunoaște mai bine

clienții și a se adapta nevoilor lor, pentru a lua decizii mai corecte și în consecință pentru a

rentabiliza mai bine activitatea din punct de vedere economic.

IoT este un sistem de aparate dotate cu inteligență artificială, conectate într-o rețea

proprie sau publică (Nekit, Kolodin, Fedorov, 2020). Dispozitivele utilizate sunt foarte

diverse: cipuri, senzori, computere, procesoare, echipamente de comunicații, etc. Ele

preiau, procesează, sintetizează, partajează și transmit date din mediile în care acționează.

Procesarea unor date are loc la nivel local, acolo unde au fost culese, iar procesarea altora

are loc într-un spațiu comun (cloud). Majoritatea proceselor au loc direct între dispozitive,

fără intervenție umană. Modul de culegere a datelor, comunicarea și analiza sunt automate,

dar prestabilite pe baza unor protocoale și algoritmi.

Utilizarea sistemelor IoT poate aduce multiple beneficii companiilor, unele fiind

specifice unui sector de activitate, altele în schimb fiind universale. Sistemele inteligente

interconectate pot monitoriza procesele de producție, transport, relații cu clienții și relațiile

de muncă dintre angajați. Modelele de afaceri stabilite de managementul corporației pot fi

mai ușor implementate și adaptate. Pot exista în schimb și dezavantaje ale sistemelor IoT.

Odată cu creșterea cantității de informații acumulate într-un sistem crește probabilitatea ca

un hacker să fie tentat de informații confidențiale. De asemenea, cantitatea de date devine

disponibilă și ridică provocări mari privind stocarea și prelucrarea, fiind necesară o gestiune

mai profesională din punct de vedere al metodelor de analiză a datelor și de programare a

componentelor dotate cu inteligență artificială.


Vol. 23 • Nr. 57• Mai 2021 279

Industria turistică beneficiază recent din ce în ce mai mult de sistemele IoT.

Aplicațiile sunt foarte variate. În unele țări dezvoltate circulă trenuri inteligente dotate cu

sisteme de inteligență artificială care îndeplinesc mai multe funcții: informații privind

pasagerii, control al trenului prin sisteme autonome sau prin rețele WiFi, mentenanța

predictivă, semnalare și monitorizare a traficului, eficientizarea consumului (Verma și

Shukla, 2019). În industria hotelieră facilitățile IoT sunt utilizate pentru camere

personalizate, repararea și întreținerea predictivă a facilităților camerei de hotel sau carduri

electronice trimise pe telefonul inteligent pentru a se evita pierderea timpului la recepția

hotelului. (Martijn, 2018). Starea de sănătate a clientului poate fi monitorizată prin

intermediul senzorilor și poate fi comunicată în caz de necesitate unei clinici (Diachuk,

2018). În viitorul apropiat camerele hotelurilor Marriot vor fi dotate cu oglinzi cu funcții de

ecran inteligent, se vor regla luminile și temperatura prin comanda de pe smartphone, dușul

va regla temperatura apei conform cerințelor oaspeților, iar eventuale disfuncționalități vor

fi raportate personalului, se va implementa parcarea inteligentă și telecomanda pentru

piscină (McMullen, 2017). Atracțiile turistice beneficiază de asemenea de implantarea

recentă a sistemelor IoT care pot permite monitorizarea atracțiilor din interiorul muzeelor și

reacțiile vizitatorilor prin analiza datelor și senzorilor. Web-site-urile de rezervări turistice

au de asemenea algoritmi inteligenți care permit personalizarea preferințelor clientului.

Folosind adresa IP a utilizatorului și alte echipamente asociate cu aceasta sunt trimise oferte

personalizate. Algoritmii de prelucrare a datelor urmăresc profilul clientului potențial prin

monitorizarea căutărilor pe internet legate de turism și ținand cont de profilul rezervărilor

anterioare. Conform lui Angelova (2017) utilizarea IoT în turism are avantaje și

dezavantaje. Principalele avantaje sunt: controlul comunicării, automatizarea, îmbunătățirea

experienței, venituri mai mari prin reducerea costurilor. Dezavantajele sunt pericolele

legate de riscul datelor (securitate, protecție, calitate, acuratețea analizei și compatibilitate)

și de problemele de confidențialitate (lipsa standardelor, protocoale informatice,

interoperabilitate și probleme legale).

Numeroase studii academice explorează diferite aspecte legate de sistemele IoT.

Acestea se concentrează în principal pe problemele de design ale sistemelor, protocoale și

securitate, confidențialitate, riscul datelor, metode de analiză a datelor și efecte economice.

Literatura privind efectele sistemele IoT asupra comportamentului consumatorilor este încă

foarte săracă. Obiectivul principal al studiului nostru este de a umple o parte din acest gol,

investigând factorii de influență comportamentali și socio-demografici ai adoptării de către

consumatori a rezultatelor utilizarilor IoT în sistemele de rezervări ale unităților de cazare.

Articolul este organizat după cum urmează. În secțiunea Recenzia literaturii de specialitate

sunt trecute în revistă studii academice privind IoT, pornind de la aspecte generale și

convergând spre aspecte specifice legate de agrearea și utilizarea de către consumatori a

unor astfel de sisteme. Secțiunea Metodologia de cercetare descrie baza de date de

consumatori, variabilele și itemii utilizați și modul de utilizare a modelului logit

multinomial în regresiile care modelează relațiile de cauzalitate. Rezultatele și discuțiile se

concentrează asupra principalelor tendințe degajate din analiza regresională și asupra

comparației cu rezultate similare obținute în alte domenii. Concluziile rezumă studiul și se

concentrează asupra recomandărilor care se pot face ca urmare a rezultatelor degajate.



1. Recenzia literaturii de specialitate

Sistemele IoT devin din ce în ce mai răspandite în diferite aspecte ale activităților

umane. Tendința a fost preluată și de către literatura academică, care se preocupă tot mai

mult de acest topic. Majoritatea articolelor se referă însă la aspecte tehnice ale acestor

sisteme: algoritmii de programare, fiabilitatea tehnică, protocoalele de comunicare,

proiectarea, dezvoltarea, implementarea și întreținerea sistemelor IoT de înaltă calitate.

Sunt cercetate problematici tehnice foarte precise ca: impactul tehnologiei 5G asupra

inteligenței artificiale interconectate (Li, Da Xu și Zhao, 2018), securitatea și criminalitatea

cibernetică (Conti et al., 2018), modele de middleware (da Cruz et al., 2018), algoritmi

adaptativi de tip machine learning pentru prelucrarea datelor (Mahdavinejad et al., 2018)

sau metodologii de prelucrare specifice pentru big data (Ahmed et al., 2017).

Încep să apară însă foarte recent și studii care explorează efectele asupra

societății umane, atat asupra celor care manipulează aceste sisteme, cât și asupra

modificării comportamentului consumatorilor. Ca urmare unui sondaj printre experții care

lucrează în acest domeniu, Reggio et al. (2020) arată că cele mai relevante atribute de

calitate pentru sistemele IoT sunt fiabilitatea, disponibilitatea, performanța, scalabilitatea și

securitatea. Cercetătorii analizează de asemenea avantajele și dezavantajele schimbărilor

radicale în societatea modernă ca urmare a dezvoltării IoT. Principalul dezavantaj care

produce îngrijorare asupra echilibrului pieții este pierderea unui număr mare de locuri de

muncă. Un studiu comparativ prin dovezi empirice al avantajelor și dezavantajelor asupra

societăților japoneze, germane și australiene este realizat de Shenkoya (2020). Rezultatele

arată că IoT îmbunătățește finanțarea cercetării și eficiența proceselor de afaceri, crescând

în același timp crearea de locuri de muncă. Impactul asupra societății umane este analizat și

de Nižetić et al (2020). Patru domenii principale de actualitate sunt discutate: energie și

mediul durabil, E-sănătate - sisteme de viață asistate de inteligența artificială, tehnologii în

transport și produse cu emisii reduse de carbon. Sunt discutate implicațiile de mediu legate

de aplicarea crescută a produselor IoT.

Cercetările privind implementările sistemelor inteligente interconectate în

domeniul afacerilor suscită de asemenea un interes crescut. O perspectivă globală a

implementării IoT într-o afacere este redată de Lee (2019) care prezintă un ecosistem IoT,

arhitectură IoT și modelul de afaceri al serviciilor IoT esențiale pentru selecția și

implementarea serviciilor IoT în diferite setări ale întreprinderii. Este exemplificat și modul

în care serviciile IoT pot fi dezvoltate pentru a inova camerele de hotel. Nitti et al. (2017)

definesc o structură arhitecturală pentru o aplicație de turism sustenabil într-un oraș

inteligent. Ideea dezvoltării destinațiilor turistice inteligente prin IoT este abordată de Wise

și Heidari (2019). Ei arată că tehnologia inteligentă care exploatează datele IoT oferă noi

oportunități pentru industria turistică, permițand accesul ușor și interacțiunea cu o mare

diversitate de informații pentru activități de transport, atracții, tururi, cumpărături și

hoteluri. Turismul inteligent este abordat de Kaur și Kaur (2016) care oferă o perspectivă

asupra acestui concept și a modului în care acesta poate fi realizat prin tehnologia modernă

a IoT. Aceasta impune colaborarea participanților la industria turistică printr-o platformă

comună de tehnologie și oferă un algoritm de funcționare cooperativă prin schimbul,

prelucrarea și analiza informațiilor.

Așa cum putem observa, literatura științifică acoperă aspecte variate legate de

sistemele IoT: aspecte tehnice legate de design tehnic, protocoale, securitate, algoritmi de

prelucrare a datelor, dar și efecte asupra societății, economei și afacerilor. Mult mai săracă

este însă literatura în privința investigării factorilor de influență ai adoptării de către


Vol. 23 • Nr. 57• Mai 2021 281

consumatori a sistemelor IoT. Teoriile care provin din comportamentul consumatorului

stipulează că există două condiții esențiale pentru acceptarea unei tehnologii: utilitatea ei și

ușurința utilizării, așa cum precizează (Davis, 1989; de Boer, van Deursen și van Rompay,

2019) cu privire la Technology Acceptance Model (TAM). Modelul TAM a fost utilizat

ulterior în aplicații diverse, cum ar fi factorii care afectează intenția de utilizare a unei

comunități de învățare online (Liu et al., 2010), sisteme de informare clinică în rândul

personalului medical din spital (Melas et al., 2011) sau aplicațiile de banking mobil

(Munoz-Leiva, Climent-Climent și Liébana-Cabanillas, 2017; Almugari et al., 2019). Alți

factori care influențează adoptarea IoT sunt comoditatea, influența socială, obiceiurile,

intimitatea, siguranța, conștientizarea și costurile (Almugari et al., 2019). Comodidatea ca

factor de influență este întalnită în special în marketing, în general cu sensul de economisire

a timpului (Cho și Sagynov, 2015). Studiile anterioare au confirmat ulterior că ușurința

utilizării determină în mod semnificativ intenția comportamentului spre adoptarea de noi

tehnologii (Del Giudice et al., 2016). Un factor la fel de important în acceptarea noilor

sisteme inteligente este influența socială (Aldossari și Sidorova, 2020). Influența familiei,

prietenilor, colegilor și mass-media poate avea impact asupra intenției consumatorilor de a

adopta produse și servicii IoT ale băncilor (Almugari et al., 2019). Obiceiurile au fost

identificate de asemenea ca factor semnificativ al adoptarii tehnologiilor digitale (Alalwan

et al., 2015). Abushakra și Nikbin (2019) au găsit și ei o corelație importantă și anume

relația puternică între obiceiuri și adoptarea IoT. Determinanții enuntați sunt regăsiți în

multe studii de marketing orientate spre analiza comportamentului consumatorului. Ei apar

sub diferite forme în studii de piață și sub forma de întrebări în chestionare privind

intențiile de cumpărare pentru toate tipurile de produse. Există în schimb și factori specifici,

legați de adoptarea tehnologiilor în general și a IoT în special cum sunt confidențialitatea și

siguranța. Specificitatea lor constă în faptul că sistemele de inteligență artificială operează

cu date pe care consumatorii nu doresc să le facă publice. Acești determinanți au fost puși

în evidență ca fiind semnificativi în studii empirice (Axelrod, 2015; Atlam and Wills,

2020). Consumatorii pot fi ingrijorați de posibilitatea că furnizorii de servicii prin sisteme

digitale pot utiliza informațiile cu caracter personal în beneficiul companiei sau pot colecta

date personale fără permisiunea lor. Pot exista în consecință efecte negative asupra cererii

de servicii prin IoT. O altă componentă a modelului TAM este conștientizarea, respectiv

înțelegerea modului de utilizare a noii tehnologii. Internetul obiectelor este un fenomen nou

pentru o mare parte din consumatorii produselor de turism, ca urmare furnizorii de servicii

sunt interesați să îi conștientizeze spre noile tehnologii. Conștientizarea, ca factor al

adoptării tehnologiilor, a fost explorat pentru sisteme IoT în general (Guo et al., 2013; Gite

și Agrawal, 2016), dar există și unele studii care se preocupă de sectoare specifice, cum este

cel bancar (Almugari et al., 2019). Costul este un alt factor cu acoperire mai generală, nu

neaparat specific modelului TAM. El se regăsește ca determinant în majoritatea studiilor

empirice privind cererea dintr-un anumit produs sau serviciu. Uneori este privit în sens

restrâns, referindu-se la prețul de furnizare a produsului sau serviciului (Tehranipoor et al.,

2018; McPherson și Irvine, 2020). Alteori este considerat în sens mai larg, incluzând și

costurile colaterale (ex. timpul pierdut - Almugari et al., 2019). Pe lângă componentele

modelului TAM, pot fi identificate corelații interesante cu unele variabile socio-

demografice ca vârsta, sexul, venitul, nivelul de studii sau statusul marital. Există însă

puține studii (ex. Gunasekara și Fernando, 2017) care pun adoptarea IoT în legatură cu

astfel de indicatori.



2. Metodologia de cercetare

Pentru a evalua importanța determinanților adoptării serviciilor turistice furnizate cu

ajutorul sistemelor IoT, utilizăm un model econometric cu regresii discrete. Nivelul adoptării

de către consumator al serviciilor oferite este măsurat în studiul nostru prin variabila ordinală

ADOPTION (a se vedea paragraful referitor la variabilele din regresie și tabelul 1 pentru

definirea completă a variabilei). Scalarea ordinală permite identificarea variabilelor care

determină creșterea probabilității de situare la nivele superioare a adoptării tehnologiei IoT.

Pentru estimațiile statistice utilizăm Ordered Logit Model cu urmatoarea structură:

)()(),,|(Prob 1 bxcFbxcFcbxjy ijiji (1)

)exp(1

)exp(

)exp(1

)exp(),,|(Prob

1

1

bxc

bxc-

bxc

bxccbxjy

ij

ij

ij

ij

i

(2)

Ni ,1 indexează consumatorii din eșantion

3,1j indexează cele trei alternative de alegere ale variabilei endogene (ADOPTION)

ix este vectorul variabilelor explicative (CONV, SOC_INLF, HABITS, PRIV_SAFE,

AWAR, COST, GENDER, MARRIED, AGE, EDUC, RESID)

b este vectorul coeficienților de regresie

jc , 3,2,1,0j sunt puncte de ruptură a distribuției (coeficienți tehnici ai modelului).

0c , 3c

1c and 2c sunt estimați prin metoda verosimilității maxime.

Modelul este controlat și pentru heteroscedasticitate conform testului lui Davidson

and MacKinnon (1984), bazat pe principiul multiplicatorului Lagrange (LM). Coeficienții

raportați în regresie sunt sub forma robustă, corectați pentru heteroscedasticitate.

Robustețea previziunii este verificată prin curba Receiver Operating Characteristics

dezvoltată pentru modele multinomiale (Dragos, 2010).

În urma studiului literaturii, utilizând datele și metodologia descrisă mai sus,

formulăm următoarea ipoteză de cercetare: nivelul de adoptare de către consumatorii

români a tehnologiilor IoT în turism este influențat de componentele modelului TAM:

comoditate, influență socială, obiceiuri, confidențialitate și siguranță, conștientizare și

costuri.

Date

Datele sunt culese prin eșantionare în perioada August-Septembrie 2020 prin metoda

CATI (Computer-Assisted Telephonic Interview). Pentru a evita cât mai mult posibilele

deplasări ale valorilor variabilelor, s-a folosit ca element de identificare codul numeric

personal, care permite realizarea unui sondaj stratificat și proporțional în raport cu zona

geografică, sexul și vârsta. Sondajul este echilibrat la nivel național, există între 8 și

15 respondenți din fiecare județ, proporțional cu numărul de locuitori. Sondajul este realizat

la nivel național, cuprinzand în final 431 de respondenți care au furnizat date complete cu

privire la întrebările din chestionar. O parte din populația României, în special persoane în


Vol. 23 • Nr. 57• Mai 2021 283

vârsta din zona rurală nu merg în vacanțe și ca urmare nu au putut răspunde întrebărilor,

deci au fost excluși din eșantion. Această eliminare a provocat unele deplasări ale valorilor

medii ale factorilor socio-demografici în raport cu valorile naționale (vezi Tabelul nr. 1).

Variabile

Variabila endogenă ADOPTION (Y în modelul teoretic) este un proxy care măsoară

pe o scală ordinală de la 1 la 3 nivelul de utilizare a serviciilor furnizate prin sisteme IoT în

turism. Sunt avute în vedere în special oferte personalizate propuse de web-site-urile de

rezervări online de cazare. Acestea culeg informații despre potențialul consumator urmărind

specificul căutărilor acestuia pe internet privind tipul de destinație (mare, munte, oraș,

stațiune balneară), profilul unităților de cazare urmărite (hotel, pensiune, casă de vacanță),

etc. Ca urmare a rulării unor algoritmi de inteligență artificială sunt propuse destinații

turistice sau unități de cazare prin sisteme de alertare pe telefonul inteligent, tabletă sau

computer. Variabila ADOPTION urmărește pe o scală ordinală cât de frecvent utilizează

turiștii destinațiile și cazările propuse prin sistemele IoT. Variabila ia valoarea 1 dacă

individul nu utilizează niciodată servicii furnizate prin IoT în turism; valoarea 2 dacă

utilizează rar astfel de servicii și valoarea 3 dacă utilizează în mod regulat. Explicațiile

privind astfel de mecanisme de ofertare prin sistemele IoT în turism sunt explicate

persoanelor din eșantion în timpul interviului. Rezultatele privind răspunsurile sunt

sintetizate în tabelul nr. 1.

Tabel nr. 1. Variabilele utilizate în analiză și statistici descriptive: media, deviația

standard, valoarea minimă și maximă

Variabila Explicații Media Dev.

std. Min Max

ADOPTION Adoptarea serviciilor furnizate prin sisteme

IoT în turism. Măsurată ordinal, pe o scală de

la 1 la 3 în ordine crescătoare a gradului de

adoptare.

0,93 0,74 1 3

CONV Comoditatea. Măsurată cantitativ, ca medie a

3 itemi ordinali: SAVING_TIME,

AVOID_MOV and ELAST_TIME

(descrierea completă a itemilor în Anexa 1).

3,55 0,92 1 5

SOC_INFL Influența socială. Măsurată cantitativ, ca

medie a 3 itemi ordinali: FRQ_ENTOUR,

REC_ENTOUR and PUB_AUTH (descrierea

completă a itemilor în Anexa 2).

2,80 0,82 1 4.67

HABITS Obiceiuri privind utilizarea IoT și a altor

sisteme digitale. Măsurată cantitativ, ca

medie a 3 itemi ordinali: FRQ_PROF,

FREE_TIME and DIGITAL (descrierea

completă a itemilor în Anexa 3).

3,05 0,99 1 5

PRIV_SAFE Confidențialitate și siguranța. Măsurată

cantitativ, ca medie a 3 itemi ordinali:

RISK_PRODUCT, PRIV_DATA and

RISK_UNSUCC (descrierea completă a

itemilor în Anexa 4).

2,74 0,85 1 4.67

AWAR Conștientizarea. Măsurată cantitativ, ca medie

a 3 itemi ordinali: ADV_IOT, DISADV_IOT

and OTHER_EXP (descrierea completă a


2,87 1,08 1 5



Variabila Explicații Media Dev.

std. Min Max

COST Costuri - importanța celui mai bun preț și

încrederea că acesta este identificat prin

sistemele IoT. Măsurată cantitativ, ca medie a

2 itemi ordinali: IMP_PRICE and

IDENT_PRICE (descrierea completă a


3,52 0,95 1 5

GENDER Genul. (1 dacă masculin, 0 dacă feminin). 0,51 0,50 0 1

MARRIED Statutul marital (1 dacă este căsătorit sau într-

o releție de lungă durată, 0 dacă este

necăsătorit, singur).

0,74 0,44 0 1

AGE Vârsta turistului (ani). 45,3 12,0 18 66

EDUC Nivelul instituției de învățământ absolvite (1

dacă turistul are absolvită doar școala primară

sau secunadară, 2 dacă are liceul sau școala

profesională sau vocațională, 3 dacă are studii

universitare sau post-universitare).

2,27 0,71 1 3

RESID Aria de rezidență (1 if urban, 0 if rural) 0,64 0,48 0 1

Notă: Dev. std. = deviația standard (abaterea medie pătratică)

Pentru a măsura mai bine cât mai multe aspecte ale determinanților care provin din

modelul TAM, fiecare variabilă explicativă este definită pe baza câtorva itemi componenți.

Itemii nu sunt incluși în regresii, deoarece în cadrul fiecărei categorii (comoditate, influența

socială, etc) sunt puternic autocorelați și ar fi pus probleme de multicoliniaritate. În plus,

considerarea fiecăruia dintre ei ca variabilă explicativă ar fi făcut modelul econometric mai

puțin reprezentativ prin micșorarea considerabilă a raportului dintre numărul de observații

și numărul de variabile explicative. Totuși, informația conținută în itemi se regăsește în

regresii prin agregarea lor pentru a forma variabile, câte una pentru fiecare componentă a

modelului TAM (CONV, SOC_INLF, HABITS, PRIV_SAFE, AWAR, COST).

Tabelul nr. 2 prezintă doar succint itemii care compun variabilele, pentru a fi

identificați ușor în prezentarea rezultatelor studiului. Descrierea lor mai completă, așa cum

provin din întrebările chestionarului este redată în Anexele nr. 1, 2, 3, 4, 5 si 6.

Tabel nr. 2. Informații succinte privind itemii care compun variabilele explicative

Variabila Codarea itemului Semnificația itemului.

Toți itemii sunt scalați de la 1 la 5 Mediana

Dev.

std.

CONV SAVING_TIME Economisirea timpului 3,69 2,32

AVOID_MOV Evitarea deplasării 3,43 2,32

ELAST_TIME Elasticitatea timpului 3,93 2,38

SOCIAL FRQ_ENTOUR Frecvența anturajului 3,04 2,51

REC_ENTOUR Recomandări ale anturajului 3,33 2,40

PUB_AUTH Autorități publice 2,71 2,48

HABITS FRQ_PROF Frecvența IoT profesional 2,94 2,35

FREE_TIME IoT în timpul liber 3,23 2,32

DIGITAL Utilizarea tehnologiilor digitale 3,53 2,29

PRIV_SAFE RISK_PRODUCT Riscul produsului 3,28 2,43

PRIV_DATA Confidențialitatea datelor 2,62 2,49

RISK_UNSUCC Risc vacanță nereușită 2,96 2,38

AWARENE ADV_IOT Conștientizare avantaje IoT 3,09 2,31


Vol. 23 • Nr. 57• Mai 2021 285

Variabila Codarea itemului Semnificația itemului.

Toți itemii sunt scalați de la 1 la 5 Mediana

Dev.

std.

SS DISADV_IOT Conștientizare dezavavantaje IoT 2,76 2,38

OTHER_EXP Cunoașterea experiențelor altora 3,42 2,29

COST IMP_PRICE Importanța celui mai bun preț 4,27 2,56

IDENT_PRICE Identificare preț optim prin IoT 3,39 2,32

Notă: Dev. std. = deviația standard (abaterea medie pătratică)

3. Rezultate și discuții

În numeroase cazuri în care datele provin din întrebările unui chestionar se poate

pune problema variabilității valorilor unor itemi. Dacă nu s-a utilizat o pretestare a

chesionarului, pentru anumite întrebări pot exista răspunsuri în mare majoritate doar

negative sau doar pozitive. De exemplu pe o scală Likert de la 1 la 5 putem avea proporții

exagerat de mari de răspunsuri 1 sau 5. Efectele asupra regresiei pot fi în aceste cazuri

foarte grave, prin încercarea identificării unor corelații între o variabilă endogenă și o

constantă. În asfel de situații, chiar dacă fenomenul există, el fiind prost măsurat, se ajunge

la degradarea rezultatelor. În studiul nostru, ca urmare a pretestării eșantionului au fost

recalibrate unele întrebări. În consecință, există o bună variabilitate a răspunsurilor pentru

toți itemii utilizați, chiar dacă unele distribuții sunt asimetrice (Figura nr. 1).

SAVING_TIME

0.1

.2.3

De

nsity

0 1 2 3 4 5SAVING_TIME

AVOID_MOV

0.1

.2.3

De

nsity

0 1 2 3 4 5AVOID_MOV

ELAST_TIME

0.1

.2.3

.4

De

nsity

0 1 2 3 4 5ELAST_TIME

FRQ_ENTOUR

0.1

.2.3

.4

De

nsity

0 1 2 3 4 5FRQ_ENTOUR

REC_ENTOUR

0.1

.2.3

.4

De

nsity

0 1 2 3 4 5RECOM_ENTOUR

PUB_AUTH

0.1

.2.3

.4

De

nsity

0 1 2 3 4 5PUB_AUTH

FRQ_PROF

0.1

.2.3

.4

De

nsity

0 1 2 3 4 5FRQ_PROF

FREE_TIME

0.1

.2.3

De

nsity

0 1 2 3 4 5FREE_TIME

DIGITAL

0.1

.2.3

De

nsity

0 1 2 3 4 5DIGITAL

RISK_PRODUCT

0.1

.2.3

.4

De

nsity

0 1 2 3 4 5RISK_PRODUCT

PRIV_DATA

0.1

.2.3

.4

De

nsity

0 1 2 3 4 5PRIV_DATA

RISC_UNSUCC

0.1

.2.3

.4

De

nsity

0 1 2 3 4 5RISK_UNSUCC

ADV_IOT

0.1

.2.3

De

nsity

0 1 2 3 4 5ADV_IOT

DISADV_IOT

0.1

.2.3

De

nsity

0 1 2 3 4 5DISADV_IOT

OTHER_EXP

0.1

.2.3

De

nsity

0 1 2 3 4 5OTHER_EXP

IMP_PRICE

0.1

.2.3

.4

De

nsity

0 1 2 3 4 5IMP_PRICE

IDENT_PRICE

0.1

.2.3

De

nsity

0 1 2 3 4 5IDENT_PRICE

Figura nr. 1. Distribuția răspunsurilor pentru itemi

Pentru a măsura fiabilitatea agregării variabilelor și a verifica în ce masură toți

itemii care compun o variabilă măsoară același concept, calculăm coeficientul alfa al lui



Cronbach (Cronbach, 1951). Coeficienții alfa calculați pentru itemii din baza noastră de

date sunt cuprinși între 0,776 și 0,871 (Tabelul nr. 3), ceea ce indică un rezultat robust

(McNeish, 2018).

Tabel nr. 3. Fiabilitatea agregării itemilor - Cronbach’s alpha

Variabila CONV SOC_INFL HABITS PRIV_SAFE AWAR COST

Covarianta

medie dintre

itemi 0,754 0,644 0,890 0,658 0,723 0,692

Coeficient de

fiabilitate (α) 0,850 0,847 0,861 0,833 0,871 0,776

Rezultatele regresiei logistice ordinale (Tabelul nr. 4) sunt obținute după corecția

pentru heteroscedasticitate (Davidson și MacKinnon, 1984), deci cu estimator robust pentru

eroarea standard și ca urmare și pentru probabilitatea de respingere a semnificativității

coeficienților de regresie.

Tabel nr. 4. Efectele factorilor de influență asupra adoptării IoT în turism; estimații

robuste ale modelului logit ordonat; variabila endogenă ADOPTION

Coeficient

de regresie

Eroare standard,

estimare robustă Valoarea p Semnificativitate

CONV 0,291 0,106 0,006 ***

SOCIAL 0,192 0,125 0,123

HABITS 0,199 0,098 0,043 **

PRIV_SAFE -0,054 0,111 0,627

AWARENESS 0,179 0,093 0,055 *

COST 0,374 0,098 0,000 ***

GENDER 0,171 0,193 0,376

MARRIED -0,248 0,213 0,246

AGE -0,018 0,008 0,027 **

EDUC 0,282 0,136 0,037 **

RESID 0,035 0,197 0,859

Notă: ***,**, * : semnificativ la nivel de 1% ,5% și 10%

Observăm în primul rând că variabila CONV are o influență pozitivă semnificativă

statistic (p = 0,006) asupra adoptării serviciilor furnizate prin IoT. Comoditatea oferită de

lipsa necesității de a te mișca spre / la o agenție de turism pentru a afla oferte adecvate pare

să fie concludentă. De asemenea, intră în componenta acestei variabile și elasticitatea

timpului, posibilitatea consultării ofertelor în regim 24/7 este foarte atractivă. Influența

socială este în schimb nesemnificativă (p = 0,123).

Rezultatul poate fi explicat prin faptul că influența anturajului riscă să fie mai

puțin decisivă decat în alte activități. În turism în general și în alegerea destinațiilor în

special preferințele sunt foarte eterogene și faptul că persoane din jurul nostru ne

recomandă ceva s-ar putea dovedi inadecvat pentru preferințele noastre. În plus, nici

autoritățile publice nu încurajează foarte mult în România utilizarea sistemelor digitale în


Vol. 23 • Nr. 57• Mai 2021 287

relația cu autoritățile statului, ca urmare nu există un stimul social suficient de important

pentru utilizarea sistemelor IoT. Obiceiurile (variabila HABITS) sunt semnificative statistic

(p = 0,043). Persoanele care utilizează mai frecvent IoT în viața profesională, dar și în

activitățile aferente timpului liber (ex. căutarea unui loc de parcare disponibil prin sisteme

online) sunt mai predispuse să adopte mai frevente servicii turistice oferite prin inteligența

artificială interconectată. Un rol benefic al obiceiurilor îl are probabil și obișnuința de a

utiliza în activitățile cotidiene tehnologie digitală de orice natură (ex. aplicații diverse

pentru telefoane inteligente).

Elementele de confidențialitate și siguranță (variabila PRIV_SAFE) nu reies ca

fiind semnificative (p = 0,627). Rezultatul este în contradicție cu studiul lui Munoz-Leiva,

Climent-Climent și Liébana-Cabanillas (2017) privind adoptarea serviciilor bancare IoT de

către consumatori. Se pare că clienții din turism nu au îngrijorări majore privind securitatea

datelor personale și confidențialitatea informațiilor vehiculate prin astfel de sisteme. Într-

adevar, față de sectorul bancar, unde datele conțin salarii și plăți, eventualul furt de

informații privind căutările pe internet cu privire la anumite destinații nu este în general

îngrijorător. Nici riscul insuccesului unei vacanțe, sau al unui alt serviciu neconform cu

așteptarile nu pare a avea un impact major. Într-adevăr, odată cu dezvoltarea sistemelor IoT

există un element esențial de control al acestor riscuri prin numărul mare de recenzii și

recomandări online din partea altor consumatori.

O influență pozitivă cu semnificativitate mai redusă (p = 0,055) o are

conștientizarea (variabila AWARENESS). Aceasta se explică parțial prin cunoașterea într-o

mai mică măsură de către populație a avantajelor și în special a dezavantajelor utilizării IoT

în turism (valoarea medie a itemului DISADV_IOT este egală cu 2,76). În schimb,

consumatorii cunosc mai bine experiențele altor persoane (valoarea medie a itemului

OTHER_EXP este egală cu 3,42), ceea ce este un fapt încurajator, dovedind că populația

încearcă să se informeze și oferă o perspectivă favorabilă pentru dezvoltarea sistemelor IoT

în viitor. Consumatorii români de servicii turistice par să fie cei mai sensibili (p < 0,001) la

costuri (variabila COST). Acest rezultat este de asemenea în contradicție cu studiile de pe

piața serviciilor bancare (Almugari et al., 2019), unde costul este nesemnificativ, cele mai

decisive pentru adoptarea serviciilor fiind comoditatea și conștientizarea.

De altfel, dintre toți itemii proveniți din chestionar, importanța prețului (itemul

IMP_PRICE) a avut cea mai mare valoare medie, de 4,27. Dintre variabilele socio-

demografice sunt semnificative vârsta (variabila AGE, p = 0,027) și educația (variabila

EDUC, p = 0,037). Semnele coeficienților sunt cele așteptate, persoanele mai tinere și mai

educate având o probabilitate mai mare de utilizare frecventă a sistemelor IoT în turism.

Genul persoanei și statusul marital nu au impact semnificativ. Nici variabila RESID nu este

deloc semnificativă (p = 0,089), efectul ei fiind preluat probabil de educație, în mediul rural

regăsindu-se un procentaj mult mai mic de persoane cu studii superioare decât în zonele

urbane.

Concluzii

Problematica sistemelor IoT este relativ recentă în literatura de specialitate, dar

constituie în momentul actual un topic important. Majoritatea studiilor se referă la aspecte

tehnice: algoritmii de programare, fiabilitatea tehnică, protocoalele de comunicare,

proiectarea, dezvoltarea, implementarea și întreținerea sistemelor IoT de înaltă calitate.

S-au dezvoltat treptat și preocupări privind efectele asupra societății umane, discutând



avantajele și dezavantajele schimbarilor radicale în societatea modernă ca urmare a

dezvoltarii sistemelor de inteligență artificială interconectate. Domeniile de studiu sunt

diverse: energie și mediu durabil, orașe inteligente, E-sănătate - sisteme de viață asistate de

tehnologii digitale, tehnologii în transport, produse cu emisii reduse de carbon, etc.

Mult mai puțin s-au explorat însă efectele asupra consumatorilor. Specialiștii s-au

îndreptat mai degrabă spre efectul aplicațiilor din sistemul bancar. Studiul nostru dorește să

umple un gol din literatură, punând în evidență determinanți specifici ai adoptării IoT în

turism în general și în sistemele de rezervări în special. Estimațiile econometrice indică

influență semnificativă a variabilelor comportamentale legate de conștientizare, comoditate,

obiceiuri și cost. Există diferențe notabile față de sistemul bancar, unde influența socială,

confidențialitatea și siguranța tranzacțiilor sunt decisive. Dintre factorii socio-demografici

s-a pus în evidență rolul vârstei și al educației, persoanele mai tinere și mai educate având

probabilitați mai mari de utilizare frecventă a serviciilor turistice propuse prin sisteme IoT.

Mecanismele puse în evidență prin acest studiu pot fi utilizate pentru o mai bună

adecvare a cererii cu oferta. Din observarea frecvenței utilizării și a tipului de serviciu ales

sau nu de către consumatori, programatorii sistemelor IoT pot adapta algoritmii de selectare

a informațiilor relevante cu privire la comportamentul consumatorilor în raport cu tipologia

ofertelor turistice. Astfel, ofertele care sunt rar achiziționate de turiști, provin din algoritmi

defectuoși, care trebuie corectați. Autoritățile publice pot constata că un impediment

important al creșterii frecvenței de utilizare a IoT este slaba dezvoltare a acestor sisteme în

relațiile dintre instituțiile statului și cetățeni. Deoarece nu există corelație între frecvența

utilizării IoT și problemele de confidențialitate și siguranță a datelor semnifică faptul că

consumatorii nu sunt serios ingrijorați de aceste aspecte în turism. Se pot colecta în

consecință astfel de date necesare configurării optime a ofertelor, desigur cu respectarea

cadrului legislativ.

Bibliografie

Abushakra, A. and Nikbin, D., 2019. Extending the UTAUT2 model to understand the

entrepreneur acceptance and adopting Internet of Things (IoT). In: L. Uden, I.-H. Ting

and J.M. Corchado, eds. 2019. Knowledge Management in Organizations. Cham:

Springer, pp. 339-347. DOI: 10.1007/978-3-030-21451-7_29

Ahmed, E., Yaqoob, I., Hashem, I. A. T., Khan, I., Ahmed, A. I. A., Imran, M. and

Vasilakos, A. V., 2017. The role of big data analytics in Internet of Things. Computer

Networks, 129, pp. 459-471. DOI: 10.1016/j.comnet.2017.06.013

Alalwan, A. A., Dwivedi, Y. K., Rana, N. P., Lal, B. and Williams, M. D. (2015).

Consumer adoption of Internet banking în Jordan: Examining the role of hedonic

motivation, habit, self-efficacy and trust. Journal of Financial Services Marketing,

20(2), pp. 145-157. DOI: 10.1057/fsm.2015.5

Aldossari, M. Q. and Sidorova, A., 2020. Consumer acceptance of Internet of Things (IoT):

Smart home context. Journal of Computer Information Systems, 60(6), pp. 1-11. DOI:

10.1080/08874417.2018.1543000

Almugari, F., Bajaj, P., Tabash, M. I., Khan, A. and Ali, M. A., 2020. An examination of

consumers’ adoption of internet of things (IoT) in Indian banks. Cogent Business &

Management, 7(1), DOI: 10.1080/23311975.2020.1809071


Vol. 23 • Nr. 57• Mai 2021 289

Angelova, N., Kiryakova, G. and Yordanova, L., 2017. The great impact of internet of

things on business. Trakia Journal of Sciences, 15(1), pp. 406-412. DOI:

10.15547/tjs.2017.s.01.068

Atlam, H. F. and Wills, G. B., 2020. IoT security, privacy, safety and ethics. In: M. Farsi,

A. Daneshkhah, A. Hosseinian-Far and H. Jahankhani, eds. 2020. Digital Twin

Technologies and Smart Cities. Cham: Springer, pp. 123-149.

Axelrod, C. W., 2015. Enforcing security, safety and privacy for the Internet of Things. In:

s.n., 2015 Long Island Systems, Applications and Technology. Farmingdale, NY, USA,

1 May 2015. S.l: IEEE, pp. 1-6. DOI: 10.1109/LISAT.2015.7160214.

Bodea, C.-N., Purnuș, A., 2018. Legal implications of adopting Building Information

Modeling (BIM). Juridical Tribune – Tribuna Juridica, 8(1), pp. 63-72.

Cho, Y. C. and Sagynov, E., 2015. Exploring factors that affect usefulness, ease of use,

trust, and purchase intention in the online environment. International Journal of

Management & Information Systems (IJMIS), 19(1), pp. 21-36. DOI:10.19030/

ijmis.v19i1.9086

Conti, M., Dehghantanha, A., Franke, K. and Watson, S., 2018. Internet of Things security

and forensics: Challenges and opportunities. S.l.: Elsevier. DOI: 10.1016/

j.future.2017.07.060

Cronbach, L. J., 1951. Coefficient alpha and the internal structure of tests. Psychometrika,

16(3), pp. 297-334. DOI: 10.1007/BF02310555

da Cruz, M. A., Rodrigues, J. J. P., Al-Muhtadi, J., Korotaev, V. V. and de Albuquerque, V.

H. C., 2018. A reference model for internet of things middleware. IEEE Internet of

Things Journal, 5(2), pp. 871-883. DOI: 10.1109/JIOT.2018.2796561

de Boer, P. S., van Deursen, A. J. and Van Rompay, T. J., 2019. Accepting the Internet-of-

Things in our homes: The role of user skills. Telematics and informatics, 36(1),

pp. 147-156. DOI: 10.1016/j.tele.2018.12.004

Davidson, R. and MacKinnon, J. G., 1984. Convenient specification tests for logit and

probit models. Journal of Econometrics, 25(3), pp. 241-262. DOI: 10.1016/0304-

4076(84)90001-0

Davis, F. D., 1989. Perceived usefulness, perceived ease of use, and user acceptance of

information technology. MIS quarterly, 13(3), pp. 319-340. DOI: 10.2307/249008

Del Giudice, M., Campanella, F., Dezi, L. and Al-Mashari, M., 2016. The bank of things:

An empirical investigation on the profitability of the financial services of the future.

Business Process Management Journal, 22(2), pp. 324-340. DOI: 10.1108/BPMJ-10-

2015-0139

Diachuk, M., 2018. Benefits of Using IoT in Healthcare - DZone IoT. [online] Available at:

<https://dzone.com/articles/benefits-of-using-iot-in-healthcare> Accessed 11 November

2020].

Dragos, C., 2010. ROC curve for discrete choice models an application to the Romanian car

market. Applied Economics Letters, 17(1), pp. 75-79. DOI: 10.1080/13504850701719793

Gite, S. and Agrawal, H., 2016. On context awareness for multisensor data fusion in IoT.

In: S. C. Satapathy, K. S. Raju, J. K. Mandal and V. Bhateja, eds. 2016. Proceedings of

the Second International Conference on Computer and Communication Technologies.

New Delhi: Springer, pp. 85-93.



Gunasekara, M. A. N. P. and Fernando, M., 2017. Eradicating health communication

inequalities in the internet of things era. In: s.n, 2017 International Conference on IoT

and Application (ICIOT). Nagapattinam, India, 19-20 May 2017. S.l: IEEE, pp. 1-3.

DOI: 10.1109/ICIOTA.2017.8073620

Guo, B., Zhang, D., Wang, Z., Yu, Z. and Zhou, X., 2013. Opportunistic IoT: Exploring the

harmonious interaction between human and the internet of things. Journal of Network

and Computer Applications, 36(6), pp. 1531-1539. DOI: 10.1016/j.jnca.2012.12.028

Kaur, K. and Kaur, R., 2016). Internet of things to promote tourism: An insight into smart

tourism. International Journal of recent trends in engineering & research, 2(4), pp. 357-361.

Lee, I., 2019. The Internet of Things for enterprises: An ecosystem, architecture, and IoT

service business model. Internet of Things, 7: 100078. DOI: 10.1016/j.iot.2019.100078

Li, S., Da Xu, L. and Zhao, S., 2018. 5G Internet of Things: A survey. Journal of Industrial

Information Integration, 10(1), pp. 1-9. DOI: 10.1016/j.jii.2018.01.005

Liu, I. F., Chen, M. C., Sun, Y. S., Wible, D. and Kuo, C. H., 2010. Extending the TAM

model to explore the factors that affect Intention to Use an Online Learning Community.

Computers & education, 54(2), pp. 600-610. DOI: 10.1016/ j.compedu.2009.09.009

Mahdavinejad, M. S., Rezvan, M., Barekatain, M., Adibi, P., Barnaghi, P. and Sheth, A. P.,

2018. Machine learning for Internet of Things data analysis: A survey. Digital

Communications and Networks, 4(3), pp. 161-175. DOI: 10.1016/j.dcan.2017.10.002

Martijn, N., 2018. How the Internet of Things (IoT) can Benefit the Hospitality Industry.

[online] Available at: <https://www.revfine.com/internet-of-things-hospitality-

industry/> [Accessed 11 November 2020].

Melas, C. D., Zampetakis, L. A., Dimopoulou, A. and Moustakis, V., 2011. Modeling the

acceptance of clinical information systems among hospital medical staff: an extended

TAM model. Journal of biomedical informatics, 44(4), pp. 553-564. DOI: 10.1016/

j.jbi.2011.01.009

McNeish, D., 2018. Thanks coefficient alpha, we’ll take it from here. Psychological

Methods, 23(3), pp. 412-427 DOI: 10.1037/met0000144

McPherson, R. and Irvine, J., 2020. Using smartphones to enable low-cost secure consumer

IoT devices. IEEE Access, 8, pp. 28607-28613. DOI: 10.1109/ACCESS.2020.2968627

Munoz-Leiva, F., Climent-Climent, S. and Liébana-Cabanillas, F., 2017. Determinants of

intention to use the mobile banking apps: An extension of the classic TAM model.

Spanish Journal of Marketing-ESIC, 21(1), pp. 25-38. DOI: 10.1016/j.sjme.2016.12.001

Nekit, K., Kolodin, D., Fedorov, V., 2020. Personal data protection and liability for damage in

the field of the internet of things. Juridical Tribune – Tribuna Juridica, 10(1), pp. 80-93.

Nižetić, S., Šolić, P., González-de, D. L. D. I. and Patrono, L., 2020. Internet of Things

(IoT): Opportunities, issues and challenges towards a smart and sustainable future. Journal

of Cleaner Production, 274, 122877. DOI: 10.1016/j.jclepro.2020.122877

Nitti, M., Pilloni, V., Giusto, D. and Popescu, V., 2017. IoT Architecture for a sustainable

tourism application in a smart city environment. Mobile Inf. Systems, 4(1), pp. 1-9. DOI:

10.1155/2017/9201640

Reggio, G., Leotta, M., Cerioli, M., Spalazzese, R. and Alkhabbas, F., 2020. What Are IoT

Systems for Real? An Experts’ Survey on Software Engineering Aspects. Internet of

Things, in press DOI: 10.1016/j.iot.2020.100313


Vol. 23 • Nr. 57• Mai 2021 291

Shenkoya, T., 2020. Social change: A comparative analysis of the impact of the IoT in

Japan, Germany and Australia. Internet of Things, 11, 100250. DOI: 10.1016/

j.iot.2020.100250

Tehranipoor, F., Karimian, N., Wortman, P. A. and Chandy, J. A., 2018. Low-cost

authentication paradigm for consumer electronics within the internet of wearable fitness

tracking applications. In: s.n., 2018 IEEE International Conference on Consumer

Electronics (ICCE). Las Vegas, NV, USA, 12-14 January 2018. S.l: IEEE, pp. 1-6.

DOI: 10.1109/ICCE.2018.8326233

Verma, A. and Shukla, V., 2019. Analyzing the influence of IoT in Tourism Industry. In:

Amity University Rajasthan, International Conference on Sustainable Computing in

Science, Technology and Management (SUSCOM). Jaipur, India, 26-28 February 2019.

S.l:s.n.

Wise, N. and Heidari, H., 2019. Developing smart tourism destinations with the internet of

things. In: M. Sigala, R. Rahimi and M. Thelwall, eds. 2019. Big Data and Innovation

in Tourism, Travel, and Hospitality. Singapore: Springer, pp. 21-29. DOI: 10.1007/978-

981-13-6339-9_2

Anexe

Anexa nr. 1. Itemii care compun variabila CONV și distribuția răspunsurilor

Item Explicații privind itemul. Toți itemii sunt

scalați de la 1 la 5

Procentajul variantelor de răspuns

1 2 3 4 5

SAVING_TIME Economisirea timpului. Importanța

economisirii timpului prin utilizarea IoT (de

la deloc important la foarte important). 2,3 18,8 26,2 32,0 20,6

AVOID_MOV Evitarea deplasării. Importanța evitării

inconvenientelor deplasării la o agenție de

turism: aglomerație, timpi de așteptare,

posibilitatea întâlnirii unor persoane mai puțin

agreabile (de la deloc important la foarte

important). 5,6 20,9 31,3 28,5 13,7

ELAST_TIME Elasticitatea timpului. Importanța elasticității

date de posibilitatea accesării serviciilor IoT

24 de ore pe zi și 7 zile pe săptămână (de la

deloc important la foarte important). 2,1 10,4 25,5 34,6 27,4

Anexa nr. 2. Itemii care compun variabila SOC_INFL și distribuția răspunsurilor




1 2 3 4 5

FRQ_ENTOUR Frecvența anturajului. Cât de ridicată este

frecvența utilizării IoT de către persoanele din

anturajul dumneavoastră (prieteni, colegi,

rude)? (de la frecvența foarte slabă la

frecvența foarte ridicată). 7,4 28,3 40,1 20,9 3,2

REC_ENTOUR Recomandări ale anturajului. Cât de mare este

efectul recomandărilor anturajului dumneavoastră

de a utiliza IoT în turism ? (de la foarte redus la

foarte ridicat). 5,3 22,3 34,3 29,5 8,6






1 2 3 4 5

PUB_AUTH Autorități publice. Cât de încurajat considerați

că sunteți în utilizarea IoT de către autoritățile

publice (servicii de uz comunitar, relația cu

instituțiile publice, etc) ? (de la deloc încurajat

la încurajare totală) 18,8 29,5 36,4 13,0 2,3

Anexa nr. 3. Itemii care compun variabila HABITS și distribuția răspunsurilor




1 2 3 4 5

FRQ_PROF Frecvența IoT profesional. Cât de frecvent

considerați că utilizați IoT în activitățile

dumneavoastră profesionale (sarcini de

servici)? (de la frecvența foarte slabă la


FREE_TIME IoT în timpul liber. Cât de frecvent

considerați că utilizați IoT în alte domenii ale

activităților dumneavoastră, în timpul liber

(activități financiar - bancare, cumpărături

online, etc) ? (de la frecvența foarte slabă la


DIGITAL Utilizarea tehnologiilor digitale. Cât de

obișnuit sunteți să utilizați tehnologiile

digitale în activitățile dumneavoastră

generale, raportat la media națională ? (de la

frecvența foarte slabă la frecvența foarte

ridicată). 6,5 19,0 27,4 28,8 18,3

Anexa nr. 4. Itemii care compun variabila PRIV_SAFE și distribuția răspunsurilor




1 2 3 4 5

RISK_PRODUCT Riscul produsului. Cât de ridicat considerați

că este riscul de a nu beneficia de un produs

sau serviciu conform descrierii ? (de la

foarte redus la foarte ridicat). 5,3 23,2 36,0 28,8 6,7

PRIV_DATA Confidențialitatea datelor. Cât de ridicat

considerați că este riscul ca datele

dumneavoastră personale și cele privind

produsul ales să depășească sfera

confidențialității ? (de la foarte redus la

foarte ridicat). 20,6 31,6 34,3 11,8 1,6

RISK_UNSUCC Risc vacanță nereușită. Cât de îngrijorat

sunteți de posibilitatea ratării unei vacanțe

datorită alegerii unui produs turistic de

slabă calitate ca urmare a utilizării

sistemelor IoT ? (de la deloc îngrijorat la

foarte îngrijorat). 13,2 27,8 33,2 20,6 5,1


Vol. 23 • Nr. 57• Mai 2021 293

Anexa nr. 5. Itemii care compun variabila AWARENESS și distribuția răspunsurilor




1 2 3 4 5

ADV_IOT Conștientizare avantaje IoT. Cât de bine

Conștientizați avantajele comparative oferite

de sistemele IoT în raport cu metodele clasice

de alegere a produsului sau serviciului turistic

? (de la cunoaștere foarte scazută la

cunoaștere foarte ridicata). 13,2 25,5 29,9 21,6 9,7

DISADV_IOT Conștientizare dezavavantaje IoT. Cât de bine

Conștientizați dezavantajele comparative

oferite de sistemele IoT în raport cu metodele

clasice de alegere a produsului sau serviciului

turistic ? (de la Cunoaștere foarte scăzută la

Cunoaștere foarte ridicată). 19,5 30,9 28,3 16,7 4,6

OTHER_EXP Cunoașterea experiențelor altora. Cât de bine

cunoașteți experiențele plăcute sau neplăcute

ale altor turiști în relația lor cu sistemele IoT ?

(de la cunoaștere foarte scazută la cunoaștere

foarte ridicată). 6,7 22,3 30,2 23,7 17,2

Anexa nr. 6. Itemii care compun variabila COST și distribuția răspunsurilor




1 2 3 4 5

IMP_PRICE Importanța celui mai bun preț. Cât de

important este pentru dumneavoastră

identificarea celui mai bun preț pentru

produsul sau serviciul turistic ? (de la deloc

important la foarte important). 0,7 5,3 22,0 28,5 43,4

IDENT_PRICE Identificare preț optim prin IoT. Cât de

convins sunteți că sistemele IoT vă permit

identificarea celui mai bun preț pentru

produsul sau serviciul turistic căutat ? 7,2 20,9 29,0 30,6 12,3

Template EN Multiple authors - Amfiteatru Economic

Documents

Transcript of Template EN Multiple authors - Amfiteatru Economic